總覽
TensorFlow Lite Model Maker 程式庫可簡化 使用自訂資料集的 TensorFlow Lite 模型。採用遷移學習技術 訓練資料量，並縮短訓練時間。
支援的工作
Model Maker 程式庫目前支援下列機器學習工作。按一下 如要瞭解如何訓練模型，請點選下方連結。
| 支援的工作 | 工作公用程式 |
|---|---|
| 圖片分類：教學課程、api | 將圖片分類到預先定義的類別。 |
| 物件偵測：教學課程、API | 即時偵測物件。 |
| 文字分類：教學課程、api | 將文字分類到預先定義的類別。 |
| BERT 問題回答：tutorial、api | 使用 BERT 針對特定問題尋找特定情境的答案。 |
| 音訊分類：教學課程、api | 將音訊分類到預先定義的類別。 |
| 建議：demo、api | 根據裝置端情境資訊推薦項目。 |
| 搜尋者：教學課程、API | 在資料庫中搜尋類似的文字或圖片。 |
如果系統不支援您的工作，請先使用 TensorFlow：重新訓練 TensorFlow 模型 遷移學習課程 (請遵循下列指南： 圖片， text、 audio) 或 再重新訓練，然後轉換為 TensorFlow 精簡模式。
端對端範例
您可以運用 Model Maker，在 只需幾行程式碼即可以下舉例說明如何訓練圖片 分類模型
from tflite_model_maker import image_classifier
from tflite_model_maker.image_classifier import DataLoader
# Load input data specific to an on-device ML app.
data = DataLoader.from_folder('flower_photos/')
train_data, test_data = data.split(0.9)
# Customize the TensorFlow model.
model = image_classifier.create(train_data)
# Evaluate the model.
loss, accuracy = model.evaluate(test_data)
# Export to Tensorflow Lite model and label file in `export_dir`.
model.export(export_dir='/tmp/')
詳情請參閱圖片分類指南。
安裝
安裝 Model Maker 的方法有兩種，
- 安裝預先建立的 pip 套件。
pip install tflite-model-maker
如果想要安裝夜間版本，請輸入下列指令：
pip install tflite-model-maker-nightly
- 從 GitHub 複製原始碼並安裝。
git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .
TensorFlow Lite Model Maker 依附於 TensorFlow pip 套件。如要瞭解 GPU 驅動程式，請參閱 到 TensorFlow 的 GPU 指南或 安裝指南。